


Ancien PDG de Google : L'IA est comme les armes nucléaires. Les grands pays doivent établir une « dissuasion de l'IA » pour garantir une destruction mutuelle.
L'ancien PDG de Google, Eric Schmidt, a comparé l'intelligence artificielle aux armes nucléaires dans une interview et a appelé à un mécanisme similaire de dissuasion de destruction mutuellement assuré pour empêcher les pays les plus puissants du monde de s'entre-détruire à cause de l'IA.
La Destruction Mutuellement Assurée (mécanisme M.A.D en abrégé, également connu sous le nom de principe de destruction mutuelle) est une idée de la nature « tout détruit ». Si l’une des deux parties adverses l’utilise pleinement, les deux parties seront détruites, ce qu’on appelle « l’équilibre de la terreur ».
Schmidt a comparé l'IA aux armes nucléaires, affirmant que la Chine et les États-Unis pourraient conclure à l'avenir un traité similaire à l'interdiction des « essais nucléaires » pour empêcher l'IA de détruire le monde.
Schmidt : J'étais très jeune et naïf à l'époque
Le 22 juillet, Schmidt a parlé du développement de l'intelligence artificielle lors de la réunion du panel sur la sécurité nationale et l'intelligence artificielle du Forum sur la sécurité d'Aspen.
En réponse à une question sur les valeurs éthiques dans la technologie, Schmidt a expliqué qu'il était lui-même naïf quant au pouvoir de l'information aux débuts de Google.
Il a ensuite appelé à ce que la technologie soit mieux alignée sur la morale et l’éthique de ceux qu’elle sert, et a fait une étrange comparaison entre l’intelligence artificielle et les armes nucléaires.
Schmidt estime que dans un avenir proche, la Chine et les États-Unis devront signer des traités sur l'intelligence artificielle.
Schmidt a déclaré : « Dans les années 1950 et 1960, nous nous sommes retrouvés avec une règle « prévisible » concernant les essais nucléaires, et les essais nucléaires ont finalement été interdits.
Schmidt estime que « c'est un exemple d'équilibre entre les deux ». confiance ou manque de confiance, c'est une règle de « pas de surprise ». Il est très inquiet que quelque chose commence entre les deux puissances de l'IA, les États-Unis et la Chine, à cause de certains malentendus et malentendus, conduisant au déclenchement d'événements dangereux. .
Schmidt a déclaré que personne ne fait actuellement de recherche dans ce domaine, mais l'intelligence artificielle est si puissante.
Eric Schmidt a été PDG de Google de 2001 à 2011, président exécutif de Google de 2011 à 2015 et président exécutif d'Alphabet de 2015 à 2017, de 2017 à 2020. A été conseiller technique d'Alphabet.
En 2008, alors qu'il était président de Google, Schmidt a fait campagne pour Barack Obama et a ensuite siégé au Conseil consultatif scientifique et technologique du président Obama avec Eric Lander (Conseil des conseillers en science et technologie).
De 2019 à 2021, Schmidt a coprésidé la Commission de sécurité nationale sur l'IA avec Robert O. Work.
L'IA est-elle vraiment si dangereuse ?
L'intelligence artificielle et l'apprentissage automatique sont une technologie impressionnante mais souvent mal comprise. Pour la plupart, ce n’est pas aussi intelligent qu’on le pense.
Il peut produire des œuvres d'art de niveau chef-d'œuvre, battre les humains dans "StarCraft 2" et peut également passer des appels téléphoniques de base pour les utilisateurs. Cependant, essayer de le laisser accomplir des tâches plus complexes, telles que la conduite autonome, n'a pas fait beaucoup de progrès. .
Schmidt envisage que dans un avenir proche, la Chine et les États-Unis seront préoccupés par les questions de sécurité, obligeant les deux parties à conclure une sorte de traité de dissuasion sur l'intelligence artificielle.
Il a parlé des années 1950 et 1960, lorsque les pays utilisaient la diplomatie pour orchestrer une série de contrôles sur les armes les plus meurtrières au monde. Mais il faudrait des décennies d’explosions nucléaires pour que le monde parvienne au point où le Traité d’interdiction des essais nucléaires, ainsi que SALT II et d’autres lois historiques, comme les explosions nucléaires d’Hiroshima et de Nagasaki, seraient promulgués.
Les États-Unis ont détruit deux villes japonaises avec des armes nucléaires à la fin de la Seconde Guerre mondiale, tuant des milliers de personnes et prouvant au monde l'horreur éternelle des armes nucléaires.
Par la suite, l'Union soviétique et la Chine ont également développé avec succès des armes nucléaires, puis est née la destruction mutuelle assurée (MAD), une théorie de dissuasion qui maintient une « balance des dangers » pour garantir que si un pays lance une arme nucléaire, d'autres pays sont également susceptibles de le lancer.
Jusqu’à présent, l’humanité s’est abstenue d’utiliser les armes les plus destructrices de la planète, car cela pourrait détruire la civilisation à travers le monde.
L'intelligence artificielle a-t-elle actuellement un tel pouvoir ?
Maintenant, il semble que l'intelligence artificielle ne se soit pas révélée aussi destructrice que les armes nucléaires, mais de nombreuses personnes au pouvoir ont peur de cette nouvelle technologie. Certains suggèrent même de confier le contrôle des armes nucléaires à l'intelligence artificielle. est plus puissant que les humains. Mieux vaut servir d'arbitre de l'utilisation des armes nucléaires.
Alors peut-être que le problème avec l'IA n'est pas qu'elle a le pouvoir potentiel de destruction du monde des armes nucléaires, l'IA est aussi bonne que ses concepteurs et ils reflètent les valeurs de leurs créateurs.
L'intelligence artificielle a le problème classique du « déchets à l'intérieur, déchets à l'extérieur » Les algorithmes racistes donnent naissance à des robots racistes, et l'intelligence artificielle produira également des préjugés.
Le PDG de DeepMind, Demis Hassabis, comprend cela mieux que Schmidt.
DeepMind a formé une IA capable de vaincre les joueurs de Starcraft II. Dans une interview de juillet sur le podcast Lex Fridman, Fridman a demandé à Hassabis comment contrôler une technologie aussi puissante que l'IA et comment Hassabis lui-même évitait d'être corrompu par un tel pouvoir.
Réponse de Hassabis : « L’IA est une idée trop grande », a-t-il déclaré, « Ce qui compte, c’est qui a créé (l’intelligence artificielle), de quelle culture ils viennent, quelles valeurs ils ont, qu’ils soient l’IA. Le constructeur du système . Le système d'IA apprendra tout seul... mais la culture et les valeurs du créateur du système resteront dans le système."
L'intelligence artificielle est le reflet de son créateur, 1,2 million de tonnes. Une super explosion. ne peut raser une ville à moins que les humains ne lui apprennent à le faire.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine

Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.

Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte

Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.

L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes

L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.

Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S

Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
